layout-analyzer 是做什么的？
分析办公文档布局并提供结构化描述。
该技能用于分析办公文档（如 PDF 或 Word 文件）的布局，并输出 JSON 或 Markdown 格式的结构化描述。输出内容包括文本块、表格、图片、页眉页脚等元素的识别与定位。
功能
- 识别文档中的文本段落、标题、列表
- 检测表格及其结构（行、列、单元格）
- 定位图片、图表和其他视觉元素
- 提取页眉、页脚和页码
- 生成层次化的布局树
使用方法
在支持的 AI 代理（如 Claude Code、Cursor）中，使用以下语法调用该技能：
/layout-analyzer <文件路径>
输出格式
默认输出为 JSON 格式，示例：
{
"type": "document",
"children": [
{
"type": "heading",
"level": 1,
"text": "文档标题"
},
{
"type": "paragraph",
"text": "这是第一段文本。"
},
{
"type": "image",
"src": "fig1.png",
"caption": "示例图片"
}
]
}
也可通过 --markdown 标志获取 Markdown 格式的输出。
支持的文件格式
- DOCX
- PPTX
- 图片（PNG、JPG、TIFF）
环境变量
OCR_LANGUAGE- OCR 语言设置（默认：zh-CN+en）OUTPUT_FORMAT- 输出格式（json或markdown）
注意事项
- 对于扫描文档，会自动调用 OCR
- 大型文档可能需要较长时间处理
- 表格识别精度受文档质量影响